REBORN : Optimisation et modélisation de l’épitaxie de 2D h-BN et de ses hétérostructures en couches de haute qualité à l’aide d’intelligence artificielle.

Les résultats attendus devraient fournir une connaissance détaillée de l’épitaxie van der Waals (vdW) du h-BN et clarifier la voie pour l’adoption du h-BN par l’industrie en France. Applications du h-BN : Les fonctionnalités de h-BN sont diverses. Utilisé comme couche sacrificielle, il permet le décollage aisé et le transfert de dispositifs optoélectroniques III-N (LED, capteurs, transistors, etc.) sur des supports arbitraires, ce qui permet une utilisation plus flexible et améliore les performances thermiques. Deuxièmement, utilisé comme couche active, h-BN peut servir de matériau dopé p et de couche de blocage des électrons pour les LED UV. Troisièmement, il peut permettre l’intégration hétérogène de différents matériaux semi-conducteurs, conduisant à la réalisation d’écrans LED multicolores de résolution record. Enfin, il peut être utilisé dans les super- condensateurs et des unités de séparation des ions hydrogène.

Obstacles existants et approche pour les surmonter : (1) Lorsque h-BN est utilisé comme couche de séparation, les structures épitaxiée au-dessus présentent une densité de défauts plus élevée que celle obtenue avec les procédés actuels de GaN sur saphir. Vu le nombre important de paramètres de croissance (température, pression, rapport V/III, vitesse de croissance), de nouvelles techniques sont nécessaires pour trouver les conditions de croissance optimales afin d’améliorer la couche initiale de hBN, les couches suivantes et les matériaux 3D à base de GaN. (2) Lorsque le h-BN est utilisé comme couche active, des améliorations de la densité des défauts, du dopage et des interfaces avec les matériaux 3D AlGaN sont nécessaires pour que les niveaux d’émission UV deviennent compétitifs. (3) Les simulations de la dynamique de croissance MOVPE sont notoirement peu fiables et l’espace des paramètres est trop vaste pour être exploré uniquement par simulation. Ces obstacles soulignent la nécessité d’une caractérisation plus poussée des échantillons à différents stades de croissance et l’utilisation de procédures d’optimisation guidées par l’IA pour identifier les paramètres de croissance permettant la production de h-BN de haute qualité. La nécessité d’explorer plus efficacement les régimes de croissance à haute température est particulièrement pertinente, étant donné que ceux-ci seront bientôt disponibles à GT-CNRS. Les régimes à étudier sont (i) la formation de la première couche de BN sur le saphir, (ii) la formation des couches suivantes, et (iii) la croissance initiale des matériaux 3D sur les couches de h-BN.

Partenariat : Le projet s’appuie sur des plates-formes de pointe et des leaders dans le domaine de la croissance et du prototypage 2D hBN : les plateformes DIADEM (SOLEIL, ESRF, METSA, DIAMOND) ; le CEA/IRIG/MEM, qui offre un ensemble unique et cohérent de techniques pour l’exploration des matériaux et est capable de fournir des réponses complètes et concrètes à cette problématique ; Georgia Tech – CNRS, qui joue un rôle de leader européen dans l’épitaxie h-BN ; ASDL Lab, un laboratoire de Georgia Tech dont les chercheurs ont une grande expérience dans le projet américain NSF Materials Genome et dans l’utilisation de l’IA pour améliorer la fabrication de matériaux.